最佳数学AI模型

使用MATH-500、GSM8K和AIME 2024基准测试分数对AI模型的数学推理能力进行排名。

Last updated: 48m ago

第一名模型

评分: 88.2

平均评分

70.8

所有排名模型

已排名模型

有基准测试数据

权重：MATH-500 (40%)GSM8K (30%)AIME 2024 (30%)

Top Best for Math Models by Weighted Score

Top 15 models by weighted score

LMMarketCap.com

Benchmark Breakdown

Per-benchmark scores for top 10 models

MATH-500

GSM8K

AIME 2024

LMMarketCap.com

#	模型	提供商	评分	MATH-500	GSM8K	AIME 2024
1	o3OpenAI	OpenAI	88.2	99	--	96.7
2	Gemini 2.5 ProGoogle	Google	84.4	95.2	--	92
3	R1 0528DeepSeek	DeepSeek	82.7	97.8	--	84
4	Gemini 2.5 FlashGoogle	Google	78.1	85.8	--	88
5	DeepSeek V3DeepSeek	DeepSeek	76.9	90.2	96.7	39.2
6	Claude Opus 4.6Anthropic	Anthropic	76.6	90.5	--	78
7	GPT-5.4OpenAI	OpenAI	76.4	95.5	--	--
8	GPT-4oOpenAI	OpenAI	76.3	76.6	95.8	--
9	GPT-5.2OpenAI	OpenAI	75.2	94	--	--
10	GPT-5.1OpenAI	OpenAI	74.8	93.5	--	--
11	GPT-5OpenAI	OpenAI	74	92.5	--	--
12	DeepSeek V3 0324DeepSeek	DeepSeek	73.6	92	--	--
13	Claude Opus 4.5Anthropic	Anthropic	73.1	88.1	--	72
14	GPT-4o-miniOpenAI	OpenAI	72.1	70.2	93.2	--
15	Llama 3.1 70B InstructMeta	Meta	71.7	68	95.1	--
16	Gemma 4 31BGoogle	Google	71.4	--	--	89.2
17	Gemini 3 Flash PreviewGoogle	Google	70.4	88	--	--
18	Claude Sonnet 4.6Anthropic	Anthropic	68.9	85.3	--	65
19	Gemma 2 27BGoogle	Google	68.2	--	85.3	--
20	Claude Sonnet 4.5Anthropic	Anthropic	65.8	83	--	60
21	Llama 4 MaverickMeta	Meta	64.8	81	--	--
22	Phi 4Microsoft	Microsoft	64.3	80.4	--	--
23	GPT-4.1OpenAI	OpenAI	62.8	78.5	--	--
24	Llama 3.3 70B InstructMeta	Meta	61.6	77	--	--
25	Mistral LargeMistral AI	Mistral AI	60.8	76	--	--
26	Claude Haiku 4.5Anthropic	Anthropic	58	72.5	--	--
27	Llama 4 ScoutMeta	Meta	40.2	50.3	--	--

评分计算方式

每个模型的评分是其可用基准测试结果的加权平均值。当模型缺少某些基准测试时，权重会在可用的基准测试之间重新归一化。所有评分均为0-100的刻度。数据来源于官方模型卡片、已发表论文和第三方评估平台。

Frequently Asked Questions

根据我们的基准测试分析，OpenAI的o3目前在Math领域排名第一，加权评分为88.2/100。

模型使用MATH-500、GSM8K、AIME 2024基准测试分数的加权平均进行排名。所有分数均归一化到0-100的刻度。

我们目前对27个拥有相关基准测试数据的模型进行了Math任务排名。